- 博客(5)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 【飞桨】【图像分类】【PaddlePaddle】【opencv库基本操作】【简单的神经网络搭建】【学习心得】
【飞桨】【图像分类】【PaddlePaddle】【学习心得】前言一、图像处理的概念与基本操作1.灰度图片总结二、图像处理第一节课作业实例2. OpenCV库更多进阶操作第二节课图像分类模型——感知机定义总结 提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、图像处理的概念与基本操作1.灰度图片总结二、图像处理第一节课作业实例2. OpenCV库更多进阶操作第二节课图像分类模型——感知机定义总结 前言 作为一个白帽子，第一次跨界学习ai相关知识，这不仅代表了ai的强大所带
2021-03-06 17:24:37
794
原创 机器学习赛事：快来一起挖掘幸福感
赛题背景 在社会科学领域，幸福感的研究占有重要的位置。这个涉及了哲学、心理学、社会学、经济学等多方学科的话题复杂而有趣；同时与大家生活息息相关，每个人对幸福感都有自己的衡量标准。如果能发现影响幸福感的共性，生活中是不是将多一些乐趣；如果能找到影响幸福感的政策因素，便能优化资源配置来提升国民的幸福感。目前社会科学研究注重变量的可解释性和未来政策的落地，主要采用了线性回归和逻辑回归的方法，在收入、健康、职业、社交关系、休闲方式等经济人口因素；以及政府公共服务、宏观经济环境、税负等宏观因素上有了一系列的推测和发
2021-01-29 13:08:43
289
1
原创 机器学习算法之LightGBM
LightGBM 在很多方面会比XGBoost表现的更为优秀。它有以下优势： 更快的训练效率 低内存使用 更高的准确率 支持并行化学习 可处理大规模数据 支持直接使用category特征 从下图实验数据可以看出， LightGBM比XGBoost快将近10倍，内存占用率大约为XGBoost的1/6，并且准确率也有提升。 LightGBM的应用 LightGBM在机器学习与数据挖掘领域有着极为广泛的应用。据统计LightGBM模型自2016到2019年在Kaggle平台上累积获得数据竞赛
2021-01-29 12:41:56
594
1
原创 Boosting，XGBoost，Catboost讲解及用法案例
Boosting 是一种框架算法,主要是通过对样本集的操作获得样本子集,然后用弱分类算法在样本子集上训练生成一系列的基分类器。他可以用来提高其他弱分类算法的识别率,也就是将其他的弱分类算法作为基分类算法放于Boosting 框架中,通过Boosting框架对训练样本集的操作,得到不同的训练样本子集,用该样本子集去训练生成基分类器;每得到一个样本集就用该基分类算法在该样本集上产生一个基分类器,这样在给定训练轮数 n 后,就可产生 n 个基分类器,然后Boosting框架算法将这 n个基分类器进行加权融合,产
2021-01-29 12:27:21
589
原创 2021-01-29
logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于它们的因变量不同，其他的基本都差不多。正是因为如此，这两种回归可以归于同一个家族，即广义线性模型（generalizedlinear model）。 这一家族中的模型形式基本上都差不多，不同的就是因变量不同。 如果是连续的，就是多重线性回归； 如果是二项分布，就是Logistic回归； 如果是Poisson分布，就是Poisson回归； 如果是负二项分布，就是负二项回归。 Logistic回归的因变量可以是二分类的，也可以是多
2021-01-29 12:09:14
577
空空如也
一个advbox中的识别MNIST的cnn模型小案例，在运行攻击代码时报错，求教各位大佬
2021-02-17
TA创建的收藏夹 TA关注的收藏夹
TA关注的人